28611.復(fù)雜優(yōu)化問題的新型多自主體動態(tài)進化算法

1、博士學(xué)位論文復(fù)雜優(yōu)化問題的新型多自主體動態(tài)進化算法NovelMultiagentsDynamicEvolutionaryAlgorithmsforComplexOptimization‘作者姓名：高維尚學(xué)號：10909017指導(dǎo)教師：邵誠教授學(xué)科、專業(yè)：控制理論與控制工程答辯日期：2014年12月16日大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)博士學(xué)位論文在當(dāng)今全球經(jīng)濟競爭日趨激烈，資源能源日益緊張

2、，環(huán)保與節(jié)約意識越發(fā)強烈的社會經(jīng)濟環(huán)境下，工業(yè)制造，農(nóng)業(yè)生產(chǎn)以及國防、交通、金融等眾多行業(yè)追求高產(chǎn)出、高收益、高效益、低排放、保安全，從而面臨著需要解決多峰分布、非凸約束、局部極值環(huán)境等更為復(fù)雜的優(yōu)化難題。本文從啟發(fā)式優(yōu)化算法求解復(fù)雜優(yōu)化問題存在的局限性出發(fā)，首先深入研究了避免尋優(yōu)代理陷入局部最優(yōu)的問題，發(fā)現(xiàn)了導(dǎo)致該問題的重要隱含因素，并提出雨林算法(RFA)；其次為提高雨林算法的可擴展能力，設(shè)計了一種新型多自主體，以構(gòu)建移植性更好、程

3、序?qū)崿F(xiàn)更容易的動態(tài)多樣進化算法(DDEA)；最后針對不同類型的優(yōu)化問題，進行基于啟發(fā)式多層代理進化算法的研究，提出面向?qū)嶋H應(yīng)用中解決復(fù)雜非凸約束優(yōu)化和奇異非凸約束優(yōu)化的兩類新型多自主體動態(tài)進化算法。本文的主要內(nèi)容與成果如下：(1)以啟發(fā)式尋優(yōu)算法在復(fù)雜多峰優(yōu)化問題中的廣泛應(yīng)用為背景，以避免算法過早收斂并陷入局部極值為目標(biāo)，對群體智能優(yōu)化算法的運行機理進行了深入分析，發(fā)現(xiàn)“虛擬碰撞”現(xiàn)象作為一種隱性過早收斂的表象將直接影響算法的準(zhǔn)確性與快

4、速性，進一步探索發(fā)現(xiàn)采樣過程的無約束性與樣本分布信息的缺失是導(dǎo)致“虛擬碰撞”的根本原因。為解決上述問題，提出了針對非凸優(yōu)化的雨林優(yōu)化算法(I江A)：通過仿照植物生長模式，利用規(guī)模可變種群代替規(guī)模限定種群進行分區(qū)分級尋優(yōu)采樣，來協(xié)調(diào)歷代樣本間的分布關(guān)系，并制定均勻與非均勻采樣原則來權(quán)衡優(yōu)化算法的探索與挖掘。通過六類復(fù)雜標(biāo)稱函數(shù)的性能測試，并與粒子群算法(PSO)和遺傳算法(GA)相比，RFA在多次實驗中均能率先捕獲全局最優(yōu)結(jié)果，而采樣累計

5、分布圖像也同時顯示RFA對樣本疏密控制的張弛有度。這表明該算法能有效減少“虛擬碰撞”的發(fā)生，進而在提高尋優(yōu)效率的同時，獲得精準(zhǔn)性和穩(wěn)定性較高的全局最優(yōu)解。(2)為進一步提高雨林算法的通用能力與可移植性，簡化該算法的程序?qū)崿F(xiàn)方式以拓展其應(yīng)用，并改善采樣分布中探索與挖掘的主要矛盾，本文提出一種新型多自主體，并以此構(gòu)建結(jié)構(gòu)更為靈活的動態(tài)多樣進化算法(DDEA)。本文從雨林算法的優(yōu)良特征中抽象出一種更為靈活的新型代理模式，其中包括新穎的特征屬性